遥感专题讲座-影像信息提取分析

1、遥感专题讲座影像信息提取(四周向对象特色提取)分析遥感专题讲座影像信息提取(四周向对象特色提取)分析24/24遥感专题讲座影像信息提取(四周向对象特色提取)分析面向对象的影像分类技术“同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的光谱信息不是很丰富，还有常常伴有光谱互相影响的现象，这对基于像素的分类方法提出了一种挑战，面向对象的影像分类技术可以必定程度减少上述影响。本小节以ENVI中的面向对象的特色提取FX模块为例，对这类技术和办理流程做一个简单的介绍。本专题包含以下内容：面向对象分类技术归纳ENVIFX简介ENVIFX操作说明1、面向对象分类技术归纳面向对象分类技术会集周边像

2、元为对象用来鉴别感兴趣的光谱因素，充分利用高分辨率的全色和多光谱数据的空间，纹理，和光谱信息来切割和分类的特点，以高精度的分类结果也许矢量输出。它主要分成两部分过程：影像对象成立和对象的分类。影像对象成立主要用了影像切割技术，常用切割方法包含基于多尺度的、基于灰度的、纹理的、基于知识的及基于分水岭的平切割算法。比较常用的就是多尺度切割算法，这类方法综合遥感图像的光谱特色和形状特色，计算图像中每个波段的光谱异质性与形状异质性的综合特色值，而后依据各个波段所占的权重，计算图像所有波段的加权值，当切割出对象或基元的光谱和形状综合加权值小于某个指定的阈值时，进行重复迭代运算，直到所有切割对象的综合加权

3、值大于指定阈值即完成图像的多尺度切割操作。影像对象的分类，目前常用的方法是“督查分类”和“基于知识分类”。这里的督查分类和我们常说的督查分类是有区其余，它分类时和样本的比较参数更多，不不过是光谱信息，还包含空间、纹理等信息。基于知识分类也是依据影像对象的熟习来设定规则进行分类。目前很多遥感软件都拥有这个功能，如ENVI的FX扩展模块、易康（此刻叫Definiens）、ERDAS的Objective模块、PCI的FeatureObjeX（新收买）等。表1为三大类分类方法的一个大概的比较。种类基根源理影像的最小单元适用数据源缺点传统基于光地物的光谱信息中低分辨率多光谱丰富的空间信息利谱的分类方单个

4、的影像像元法特色和高光谱影像用率几乎为零依据光谱特色、空基于专家知间关系和其余上单个的影像像元多源数据知识获取比较复杂识决策树下文关系归类像元面向对象的几何信息、结构信中高分辨率多光谱一个个影像对象速度比较慢分类方法息以及光谱信息和全色影像表1传统基于光谱、基于专家知识决策树与基于面向对象的影像分类比较表2、ENVIFX简介全名叫“面向对象空间特色提取模块FeatureExtraction”，基于影像空间以及影像光谱特色，即面向对象，从高分辨率全色也很多光谱数据中提守信息，该模块可以提取各种特色地物如车辆、建筑、道路、桥、河流、湖泊以及田地等。该模块可以在操作过程中随时预览影像切割成效。该项技

5、术关于高光谱数占有很好的办理成效，对全色数据相同适用。关于高分辨率全色数据，这类基于目标的提取方法能更好的提取各种拥有特色种类的地物。一个目标物体是一个关于大小、光谱以及纹理（亮度、颜色等）的感兴趣地域。可应用于：从影像中特别是大幅影像中查找和提取特色。增加新的矢量层到地理数据库输出用于分析的分类影像代替手工数字化过程拥有易于操作（导游操作流程），随时预览成效和更正参数，保存参数易于下次使用和与同事共享，可以将不一样数据源加入ENVIFX中（DEMs、LiDARdatasets、shapefiles、地面实测数据）以提升精度、交互式计算和评估输出的特征因素、供给注记工具可以表记结果中感兴趣的特

6、色因素和对象等特色。3、ENVIFX操作说明ENVIFX的操作可分为两个部分：发现对象（FindObject）和特色提取（Extractfeatures），如图1所示。图1FX操作流程表示图（红色字体为可选项）3.1准备工作依据数据源和特色提取种类等状况，可以有选择的对数据做一些预办理工作。空间分辨率的调整假如您的数据空间分辨率特别高，覆盖范围特别大，而提取的特色地物面积较大（如云、大片林地等）。可以降低分辨率，供给精度和运算速度。可利用ENVI主界面-BasicTool-ResizeData工具实现。光谱分辨率的调整假如您办理的是高光谱数据，可以将不用的波段除去。可利用ENVI主界面-Bas

7、icTool-layerstacking工具实现。多源数据组合当您有其余辅助数据时候，可以将这些数据和待办理数据组合成新的多波段数据文件，这些辅助数据可以是DEM,lidar影像,和SAR影像。当计算对象属性时候，会生成这些辅助数据的属性信息，可以提升信息提取精度。可利用ENVI主界面-BasicTool-layerstacking工具实现。空间滤波假如您的数据包含一些噪声，可以选择ENVI的滤波功能做一些预办理。3.2发现对象(一)打开数据在ENVIZoom中打开ProcessingFeatureExtraction。如图2所示，BaseImage一定要选择，辅助数据（AncillaryDa

8、ta）和掩膜文件（MaskFile）是可选。这里选择ENVI自带数据envidatafeature_extractionqb_colorado,它是0.6米的快鸟数据。图2选择数据(二)影像切割FX依据周边像素亮度、纹理、颜色等对影像进行切割，它使用了一种基于边沿的切割算法，这类算法计算很快，并且只需一个输入参数，就能产生多尺度切割结果。经过不一样尺度上界限的差异控制，从而产生从细到粗的多尺度切割。选择高尺度影像切割将会分出极少的图斑，选择一个低尺度影像切割将会切割出更多的图斑，切割成效的利害必定程度决定了分类成效的精确度，我们可以经过预览切割成效，选择一个理想的切割阀值，尽可能好地切割出边沿

9、特色。图3影像切割阈值设定调整滑块阀值对影像进行切割，这里设定阈值为30，点击Next按钮，这时候FX生成一个RegionMeans影像自动加载图层列表中，并在窗口中显示，它是切割后的结果，每一块被填补上该块影像的均匀光谱值。接着进行下一步操作。注：按钮是用来选择切割波段的，默以为BaseImage所有波段。(三)合并分块影像切割时，因为阈值过低，一些特色会被错分，一个特色也有可能被分成很多部分。我们可以经过合并来解决这些问题。FX利用了FullLambda-Schedule算法。这一步是可选项，假如不需要可以直接跳过。图4合并分块设定必定阈值，预览成效。这里我们设置的阈值为95，点Next进

10、入下一步。(四)分块精髓FX供给了一种阈值法（Thresholding）进一步精髓分块的方法。关于拥有高比较度背景的特色特别有效（比方，光明的飞机对黑暗的停机坪）。可以将精髓结果生成掩膜图层（Mask），按钮可以更正基于哪个波段。图5精髓分块这里我们就直接选择NoThresholding（default），点击Next进入下一步操作。(五)计算对象属性计算4个类其余属性：光谱、空间、纹理、自定义（颜色空间和波段比）。此中“颜色空间”选择三个RGB波段变换为HSI颜色空间，“波段比”选择两个波段用于计算波段比（常用红色和近红外波段）。各个属性的详细描述参照ENVI/IDL供给的Feature_E

11、xtraction_Module.pdf文档。图6对象属性的计算这里我们依照默认全选择，ColorSpace选择RGB，BandRatio选择红色和近红外波段，点击Next按钮进行下一步操作。目前，已经完成了发现对象的操作过程，接下来是特色的提取。3.3特色提取如图7所示，有三种特色提取方法供选择，分别是督查分类、规则分类和直接矢量输出。图7特色提取方法选择(一)输出矢量选择ExportVectors，进入图8界面，选择保存路径，属性信息也可选择输出。图8直接矢量输出输出完成会出来一个报表。不关闭FX浮动面板，在ENVIZoom中将获取的矢量特色加载显示。点击Previous按钮，回到图7界面

12、。(二)督查分类在图7界面中选择Classifybyselectionexamples，下一步到如图8所示界面。图9督查分类界面1)选择样本在ENVIZoom中，切换到Select方式，双击Feature_1，打开一个类其余属性，如图10所示，更正显示颜色、名称等信息。图10更正种类属性信息在切割图上选择一些样本，为了方便样本的选择，可以在ENVIZoom的图层管理中将原图移到最上层，选择必定数目的样本，假如错选样本，可以在这个样本上点击左键删除。一个类其余样本选择完成以后，新增种类，用相同的方法更正种类属性和选择样本。在选择样本的过程中，可以随时预览结果。可以把样本保存为xml文件以备下次使

13、用。2)设置样本属性在图9中，切换到Attributes选项。默认是所有的属性都被选择，可以依据提取的实质地物特征选择必定的属性。图11样本属性选择这里我们依照默认所有选择。3)选择分类方法在图9中，切换到Algorithm选项。FX供给了两种分类方法：K周边法（KNearestNeighbor）和支持向量机（SupportVectorMachine，SVM），如图12所示。图12分类方法这里我们选择K周边法，K参数设置为5，点击下一步，输出结果。4)输出结果特色提取结果可以以两种格式输出，矢量和图像，如图12所示。矢量可以是所有分类以单个文件输出也许每一个种类分别输出；图像可以把分类结果和规

14、则结果分布输出。图13输出分类结果这里我们选择单个文件以及属性数据一块输出，分类图像和规则图像一块输出。点击Next按钮完成输出，同时可以看到整个操作的参数和结果统计报表。图14分类结果和统计报表(三)规则分类在图7界面中选择Classifybycreatingrules，点击Next，到图15规则分类界面。每一个分类有若干个规则（Rule）构成，每一个规则有若干个属性表达式来描述。规则与规则直接是与的关系，属性表达式之间是并的关系。同一类地物可以由不一样规则来描述，比方水体，水体可以是人工池塘、湖泊、河流，也可以是自然湖泊、河流等，描述规则就不一样样，需要多条规则来描述。每条规则又有若干个属

15、性来描述，以下是对水的一个描述：面积大于500像素延伸线小于0.5NDVI小于0.3对道路的描述：延伸线大于0.9密切度小于0.3标准差小于20图15规则分类这里以提取居住宅屋为例来说明规则分类的操作过程。第一分析影像中简单跟居住宅屋错分的地物有：道路、丛林、草地以及房屋旁边的水泥地。双击Feature_1图标，更正好类其余相应属性。1)第一条属性描述，划分植被覆盖和非覆盖区双击rule，打开对象属性选择面板，如图16所示。选择Customized-bandratio。FX会依据选择的波段状况技术波段比值，比方这里在属性计算步骤中选择的RatioBand是红色和近红外波段，因此此时计算的是ND

16、VI。把ShowAttributeImage勾上，可以看到计算的结果，经过ENVIZoom工具查察各个切割块对应的值。点击Next按钮，也许双击bandratio，进入bandratio属性设置对话框，如图17所示。图16对象属性面板图17属性设置对话框经过拖动滑条也许手动输入确立阈值。FuzzyTolerance是设置模糊分类阈值，值越大，其余切割块归属这一类的可能性就越大。归类函数有线性和S-type两种。这里设置模糊分类阈值为默认的5，归属种类为S-type，值的范围为00.3，勾选ShowRuleConfidenceImage可以预览规则图像。点击Ok完成此条属性描述。2)第二条属性描

17、述，去除道路影响居住宅屋和道路的最大差异是房屋是近似矩形，我们可以设置Rect_fit属性。点击按钮也许双击rule，选择Spatial-rect_fit。设置值的范围是0.51，其余参数为默认值。相同的方法设置Spatial-Area:FuzzyTolerance=0,90Areaelongation(延伸):elongationavgband_2:avgband_250。最后的rule1规则和预览图如图18所示。图18居住宅屋规则与成效图近似的思路可以提取道路、林地、草地均分类，这里就不一一例举。最后结果的输出方式和督查分类相同。3.4批办理操作ENVI供给了ENVI_FX函数，详细语法以

18、下：ENVI_DOIT,ENVI_FX_DOIT,A_FID=array,A_rayPOS=ar,BR_BANDS=array,CENTERLINE_OPTIONS=array,CONF_THRESHOLD=floatingpoint,CS_BANDS=array,DIMS=array,FID=fileID,/EXPORT_ATTRIBUTES,/EXPORT_RASTER,/INVERSE_MASK,KERNEL_SIZE=longinteger,M_FID=fileID,MERGE_LEVEL=floatingpoint,POS=array,R_FID=variable,RASTER_FI

19、LENAME=stringorstringarray,/RAW_ATTRIBUTES,RAW_FILENAME=string,REFINE_BAND=integer,/REFINE_INVERSE,/REFINE_MASK,RULESET_FILENAME=string,SCALE_LEVEL=floatingpoint,SEGMENT_BANDS=array,SMOOTHING_THRESHOLD=floatingpoint,TD_FILENAME=string,THRESHOLD_LOWER=floatingpoint,THRESHOLD_UPPER=floatingpoint,VECTO

20、R_FILENAME=string,VECTOR_OPTIONS=stringarray详细的变量说明请参照ENVI/IDL供给的Feature_Extraction_Module.pdf。利用此函数可以对依据切割参数和分类参数编写批办理，也许将此功能应用到其余系统上。从以上的实质操作可以看到，ENVIFX扩展模块操作拥有易于操作（导游操作流程），随时预览成效和更正参数；功能比较强盛，拥有多种特色提取方法，包含督查分类和知识规则分类，等等。4、小结基于像元的分类方法，依照主若是利用像元的光谱特色，大多应用在中低分辨率遥感图像。而高分辨率遥感图像的细节信息丰富，图像的局部异质性大，传统的基于像元

21、的分类方法易受高分辨率影像局部异质性大的影响和搅乱。而面向对象分类方法可以高分辨率图像丰富的光谱、形状、结构、纹理、相关布局以及图像中地物之间的上下文信息，可以结合专家知识进行分类，可以明显提升分类精度，并且使分类后的图像含有丰富的语义信息，便于解译和理解。对高分辨率影像来说，还是一种特别有效的信息提取方法，拥有很好的应用远景。附录对象属性说明：（1）Spatial属性属性描述AREA多边形的面积，单位与Map单位一致LENGTH多边形外边框周长，包含洞的边框周长，单位与Map单位一致密切性，描述多边形密切性的胸襟。如圆是密切性最好的形状，COMPACT其值为1/Pi,正方形的的值为1/2(s

22、qrt(pi).COMPARCT=Sqrt(4*AREA/pi)/周长CONVEXITY凸出的状态，没有洞的凸多边形的值为1，其余的为小于1.CONVEXITY=lengthofconvexhull/LENGTHSOLIDITY坚固性，多边形面积与四周凸出多边形面积比。SOLIDITY=AREA/areaofconvexhullROUNDNESS描述多边形的圆特色，圆的值为1，正方形的值为4/PiROUNDNESS=4*(面积)/(pi*最大直径2)FORMFACTOR形状因素，圆的值为1，正方形的值为Pi/4FORMFACTOR=4*pi*(面积)/(周长)2延伸性，最大直径与最小直径的比值，正方形的值为1，矩形的ELONGATION值大于1.ELONGATION=最大直径/最小直径RECT_FIT矩形形状的胸襟，矩形的值